Bu kursları tamamladıktan sonra profesyonel görselleştirmeler ve panolar oluşturma konusunda kendime güveniyorum
Shoebur RahmanSatın Alma Uzmanı, Giz Bangladesh
Kurs Açıklaması
Bu kursta, metinden yararlı bilgiler çıkarmayı ve bunları ML modelleri uygulamaya uygun bir formata dönüştürmeyi sağlayacak teknikleri öğreneceksin. Daha spesifik olarak, POS etiketleme, adlandırılmış varlık tanıma, okunabilirlik puanları, n-gram ve tf-idf modelleri ile bunların scikit-learn ve spaCy kullanılarak nasıl uygulanacağını öğreneceksin. Ayrıca iki belgenin birbirine ne kadar benzer olduğunu hesaplamayı da öğreneceksin. Bu süreçte film yorumlarının duygusunu tahmin edecek ve film ile Ted Talk öneri sistemleri kuracaksın. Kursun sonunda, herhangi bir metinden kritik özellikler çıkarabilecek ve veri biliminin en zorlu problemlerinden bazılarını çözebileceksin!
Ön Koşullar
Müfredat
Kurs planı
1
Temel özellikler ve okunabilirlik puanları
Kelime sayısı, karakter sayısı, ortalama kelime uzunluğu ve özel karakter sayısı (örneğin Twitter hashtag’leri ve bahsetmeler) gibi temel özellikleri hesaplamayı öğren. Ayrıca okunabilirlik puanlarını hesaplamayı ve bir metni anlamak için gereken eğitim düzeyini belirlemeyi öğreneceksin.
- NLP özellik mühendisliğine giriş50 XP
- ML algoritmaları için veri biçimi50 XP
- One-hot encoding100 XP
- Temel özellik çıkarımı50 XP
- Rusça tweet'lerin karakter sayısı100 XP
- TED konuşmalarının kelime sayımı100 XP
- Rusça tweet'lerde hashtag ve mention'lar100 XP
- Okunabilirlik testleri50 XP
- 'Sisifos Söyleni'nin okunabilirliği100 XP
- Farklı yayınların okunabilirliği100 XP
2
Metin ön işleme, POS etiketleme ve NER
Bu bölümde, tokenization ve lemmatization konularını öğreneceksin. Ardından, spaCy kütüphanesini kullanarak metin temizleme, part-of-speech etiketleme ve adlandırılmış varlık tanıma yapmayı öğreneceksin. Bu kavramları pekiştirdikten sonra, Gettysburg konuşmasını makine dostu hale getirecek, sahte haberlerde isim (noun) kullanımını analiz edecek ve bir TechCrunch makalesinde adı geçen kişileri belirleyeceksin.
3
N-Gram modelleri
N-gram modellemeyi öğren ve bunu kullanarak film yorumları üzerinde duygu analizi yap.
4
TF-IDF ve benzerlik puanları
Tf-idf ağırlıklarını ve iki vektör arasındaki cosine similarity puanını nasıl hesaplayacağını öğren. Bu kavramları kullanarak bir film ve bir TED Talk öneri sistemi kuracaksın. Son olarak, kelime gömmeleri hakkında da bilgi edinecek ve kelime vektör temsillerini kullanarak çeşitli Pink Floyd şarkıları arasındaki benzerlikleri hesaplayacaksın.
Python ile NLP için Özellik Mühendisliği
Kurs
Tamamlandı
